量化投资与基本面分析方法范文第1篇

一、金融市场与心理分析

在传统的金融市场上，最受推崇、应用最广泛的金融分析方法是基本分析方法和技术分析方法。基本面分析是以基本的宏观经济数据和微观财务数据作为投资分析的基础，是一种比较客观的分析法，其核心是市场参与者对资料数据进行理性的分析评估并一贯坚持利用它们。如果说基本分析走的是/价值到价格0的分析思路，那么技术分析则可以说走的是/价格到价格0的分析思路。技术分析是指以市场价格、成交量、价和量的变化以及完成这些变化所经历的时间等市场行为作为分析的基础，是一种通过人们的主观经验来判断市场未来走向的分析法。而心理分析法则是一种从/市场心理到价格0的分析思路，认为股票投资行为在很大程度上经常受到心理因素支配。价值型股票能长期战胜成长型股票，源于人们对经济与经营信息经常性的反应过度和反应不足。这种过度反应进一步会影响人们对情况改观的敏感与判断，从而在价格定位上出现经常性的滞后反映。因此，心理分析法以市场参与个体与群体的心理状态及心理变化对投资决策的影响作为其分析的基础，在市场方向即将逆转或维持原方向的临界点时，通过推测市场主导势力控制者的心理价格定位，分析主导资金的流向从而判断未来市场的走向。心理分析法基于市场心理分析价格，强调市场心理是影响价格的最主要因素。而在其他投资分析方法看来，市场心理并非是影响市场价格的主要因素，例如，技术分析认为一切影响因素都已包含在价格中，因此不把市场心理作为独立的分析对象。

金融投资市场在不断发展，单纯靠一种分析法是很难适应投资市场的发展的。无论是基本分析方法、技术分析方法，还是心理分析方法，其实都各有千秋，又各有不足。行为金融学的崛起使得金融学家不能再忽视心理学家的研究成果，这意味着，如果基本分析、技术分析是建立在心理分析的基础之上，金融投资理论就会更加实用。

较之已经完全体系化、理论化、系统化的基本分析法和技术分析法，心理分析法相对比较薄弱。但行为金融学研究表明，心理分析法在对某些市场重大转折点的心理把握和弥补其他分析方法不足方面具有独到之处。以股价为例，心理分析法认为，促成股价变动的因素，主要是市场对于未来股票市场信心的强弱：若投资者对未来股市乐观，就必然会买入股票，股价因而上升；若过度乐观，则股价可能超越合理水平，上涨至不合情理的价位。相反，若投资者对股市悲观，信心转弱，将卖出手中股票，股价因此而下跌；倘若投资者心理过度悲观，会不计成本大量抛售，则可导致股票价格跌至不合理的低价。当市场表现出越来越强烈的投机狂热的心理特征时，牛市常常已进入尾声；当市场一片低迷，恐惧心理越来越强烈时，熊市可能正悄然离去。

按照行为金融学的观点，在参与市场的行为中，投资者总会依据他们的主观判断和客观因素做出买卖决定，亦即投资者同时在用感性和理性两种方式对待市场。如果把基本分析视为对客观因素的分析，技术分析视为对主观因素的分析，那么，以同时具有感性和理性两种情态的投资者的心理预期为基础，心理分析法的优势在于，它既包含主观因素也包含客观因素，是介于客观和主观之间、感性和理性之间的/模糊0分析法。它填补了基本面分析法和技术面分析法的空白，以一个更中立、更平和的态度预测市场方向，使偏理性和偏感性的预期分析更好地融合在一起，有利于对市场走向作出一个更准确的判断。

但心理分析法亦有其缺点。首先，对于如何衡量股票市场的心理，这常使分析金融市场行情的人士感到困惑。在美国，已建立了测量市场心理的一些指标体系，如共同基金的现金/资产比例、投资顾问公司的看法、二次发行的数量等等，由于不同的国家有不同的市场监管体系、不同的市场发育程度、不同的市场信息结构，因此，按美国市场条件建立起来的市场心理测量体系，可能无法直接应用于其他国家。其次，心理分析要把握市场投资者群体的心态，这隐含了一个假定：就是所收集的市场调查信息和投资者意见代表了整个市场的态度，并且对分析预测市场的转折点能起到帮助作用，但要全面收集市场调查信息和投资者意见来测量市场的态度是有难度的。再次，心理分析法的缺陷是对进出场的时机把握精度不够，甚至容易产生重大的偏差，令投资者受到重大损失。

二、改善心智模式与投资判断

行为金融学的崛起，提供给人们另一个思考方向，引发了人们对于投资过程中深层次心态的重视。人作为一个有思维、有情感、有理性、有直觉的多维综合体，在理性的决策过程中，不仅人们的情感会经常地破坏对理性决策必不可少的自我控制能力，而且人们的理性也无法完全把握所遇到的问题。因为，人们所面对的事物是如此复杂多样，信息是如此不完全、不对称，以致于人们仅凭理性是很难对自己所观察到的事物做出有效的归纳。其结果，人们可能借助更主观的测量方法，在做决策时按既有的认知定势而行事。这使人感到，投资者的心智模式，诸如对心理压力的反应、迅速决策能力、逻辑思维、意志坚强与否、个性中的情绪化成份、对金钱的态度等，都将决定其在投资中的成败概率。/心智模式0（MentalModels）这个词最早是由苏格兰心理学家克雷克（KennethCraik）于1940年创造出来的，是认知心理学的一个概念，指人们的长期记忆中隐含着的关于世界的心灵地图。通俗地说，所谓心智模式是指人们思想方法、思维习惯、思维风格和心理素质的反映。我们通常不易察觉自己的心智模式，以及它对行为的影响。然而，心智模式一旦形成，将使人自觉或不自觉地从某个固定的角度去认识和思考发生的问题，并用习惯的方式予以解决。行为金融学研究为我们提供了一些可以预见的投资心理误区，这些心理误区有规律可循，经由认识这些行为误区，投资者可以为之借鉴，改善心智模式，提升投资效率。

心智模式的改善之一：EQ的检视与修炼大体上，投资心智模式可以分为理性层次与非理性层次。理性层次主要涉及投资者在投资方面的知识及智慧的高低、对经济状况及股票等投资工具分析预测的能力，可以称之为投资IQ（InteligenceQutient）。非理性层次主要涉及投资者自我情绪的理解与控制、判断和控制他人情绪的能力，协调人际关系的能力及自我激励与自我意识能力，可以称为投资EQ（EmotionalIntelligenceQuotient）。行为金融学更多地是从EQ的角度看投资）））人们在投资时受到的心理因素的控制，远大于理性的思考，如果不预先知道这种情境，事先约束自己，并时时警惕自己，则难免陷入投资误区。在行为金融学看来，EQ比IQ重要，知识本身不是成功的保证，绝大多数的投资者由于无法分辨负面情绪并加以控制，成为投资最大的障碍。既然投资更是投资者心理素质的角逐，因此，投资者如果想强化和提升自己的投资管理能力，首要任务是提升自己的EQ,而不是IQ,简言之，从情绪管理入手，设法控制甚至驾驭自我的情绪，是成功投资的核心一环。

英国的乔纳森#迈尔斯深信，投资者可以用自己的方式弱化负面性格特征，培养心理经济学理性所要求的若干特征。因此，只要认出自己容易倾向于哪一种思考方式或行为模式，就可以设法纠正这些偏差。

心智模式的改善之二：避免陷入信息加工陷阱正确的推断决策取决于抛弃各种错误的金融性信息处理习惯，为了避免推断决策中启发式偏差的影响，投资者首先要尽量做到全面理解数据，避免以偏概全，对先验概率、样本规模和可预测性不敏感，克服对偶然性和均值回归的误解，对有效性幻觉保持警觉。

怎样才能防止反应过度或反应不足呢？对此，投资者要时刻注意自己的投资行为是否被个人偏好或投资大众的力量所左右，这两方面的力量可能会同时发生作用，并且都会受媒体、新闻、广告、统计数据或故事等信息因素的影响。基本上，对于投资要有现实的态度，要防止人类过于乐观和过于自信的本性，在投资时要预计到最坏的事情发生。投资者应比较正面的和负面的消息，努力找出市场上最乐观和最悲观的判断，注意是否存在过度反应或反应不足的风险，避免陷入盲目乐观。也就是说，自己的预期是否产生了毫无理由的变化？当市场上出现重大新闻时，投资者可能会作出投资决策，这时需要考虑影响价格的因素。当市场开始上升，媒体中充斥着各种利好消息之时，投资者需要问自己，市场上是否同时存在着利空。总之，投资者需要养成对所有的问题同时看到两个方面的良好习惯，通过自己的正反两方面思考去得出结论，这意味着需要掌握逆向思考的艺术。

由于锚定的风险可能很大，但同时又由于锚定于一项预期也可能是合理的，因此，投资者应当对作为/锚0的资料或数据的质量进行检验，避免其带有片面性或不准确性，同时应当尽可能地不断根据事态的变化对其进行修正。

对锚定的积极使用特别体现在投资过程中设立的多个止损锚点。

投资者怎么看待问题（尤其是怎么归类损失和收益）,对投资者决策有很大的影响。面对同样一组选择，可以选择好的或淘汰不好的，或是保护利益或避免损失，结果会做出不同的决定。所以，在做决定的时侯，最好要从各种角度来衡量问题。不仅要权衡各种利弊，也要用不同表述方式设定眼前的问题。

心智模式的改善之三：与投资情境保持一定距离证券市场的媒体环境，以及频繁接触、关系紧密的人们（家庭成员、同学、好友、同事等）的思想观念、行为习惯和投资经验等都会对一个人的投资心智模式的形成，进而对市场的看法和投资决策产生重要影响。为了避免自己的思想和愿望被深度操纵，一个比较好的方法是独立思考，不要深陷于各种投资群体的/情境场0。因此，建议投资者应该设法与投资的情境保持距离。远离投资情境可以分为两大类，首先是要远离股价，想办法让自己不知道手中股票的股价，避免受到股价波动的影响，而作出错误的决策；其次是要远离市场，也就是离开投资大众，避免受到市场气氛的影响，盲目地跟随大众而作出错误的决策。美国投资大师沃伦#巴菲特为了避免受到股价及过多信息的影响，选择在美国中西部的小城市操盘，而且办公室没有任何可以接受即时信息的设备，并规定不准外面营业员打电话进来。另一位投资大师约翰#坦伯顿，也是基于相同的理由，刻意选择在阿拉斯加的小岛上操盘。除此之外，还有许多的大师级的人物，也有相同的做法，他们操盘的地点，都不是在信息最丰富、最快速的纽约，而是选择农村或者干脆在国外操盘，目的就是为了避免决策受到股价波动的影响。

心智模式的改善之四：借用投资规则与计划克服人性弱点在改善心智模式中，克服诸多的人性弱点殊非易事，因此，投资者往往需要有一些规则或计划限制自己，以免被情绪影响投资决策。

投资者的情绪之所以那么容易受影响，最主要的原因就是因为股票市场充满不确定性。因此避免情绪受影响，对症下药的首要方法，就是降低投资的风险。从这个意义上说，价值型投资提供了一种主要心理机制，投资者可籍此与市场情绪之间保持距离。而投资高风险的投资工具，最重要的就是要做好风险管理，风险降低了，投资人自然就比较不会为厌恶损失心理所左右，或是屈服于其他心理倾向，心慌意乱地做出一些错误的事。降低股票投资风险的方法有下列几项：分散投资、长期投资、用平均成本法建仓、做最坏的打算、不要追逐热门股、不从事信用交易等。事实上，只要投资者自己挑选和交易股票，或者选择基金经理人，就很难不被错误的心理感受所左右，而指数型基金能使投资活动完全摆脱情绪干扰。

国外指数基金发展的历史经验表明，在一个中长期的牛市行情中，主动配置型基金由于频繁操作、过分关注市场的短期波动等原因，往往难以战胜市场，而指数基金采用分散投资的策略，既可以有效降低非系统性风险，又能降低交易成本，在经济和证券市场的总体上升中把握长期收益。从1983年到1997年的15年中，美国指数基金的表现好于85%的非指数基金。基于以上原因，指数型基金在国外成熟金融市场的发展很快，在整个美国基金市场，指数基金的资产规模已经超过1/3,成为养老基金、保险年金等长期性资金的主要投资品种。

一个人的性格对其心智模式的形成有很大的影响，性格不同的人，其心智模式往往也有明显的区别，作为个人投资者，保持理性意味着不断提高把握自己情感特点的能力，从而作出最符合自己心理特点的决策，而不会轻易被其他投资者所左右，因此，不同投资者需要制定不同的情绪控制计划。具体是将可能出现的情况拟定成几种情景，提前作好心理和行动准备，严守纪律，长期遵照计划去做。

三、寻找行为偏差中的投资机遇

从行为金融学角度来看，人性特点对投资者决策的影响远远超过了传统经济学理论所揭示的程度，成为引发价格波动和市场交易活动的重要驱动力。

以投资者对信息反应的往复与摇摆为例，如果投资者基于有限的信息作出了过分自信的预计，则他们会依据新信息是支持还是反对他们先前的信念而作出过度反应或不足反应。那就是，如果投资者对一家公司的前景看好，而新出现的信息似乎也支持这一看法，他们就会对该信息过度反应，并变得更加看好该公司和更加自信，从而把价格推高到一个过高的水平。反过来说，如果新信息对原来看涨的看法提出挑战，则它通常会被/打折扣0。投资者会对该信息反应不足而变得不像以前那样看好但仍过分自信，并且不能对股价预期作出适当调整。乔纳森#迈尔斯利用图1揭示了这一过程。随着左边特征不断发展，反应过度的趋势不断加强，投资者会急于作出投资决策，匆忙进入市场。

与此相似，随着右边特征不断增加，投资者又会表现为反应不足，慢条斯理地作出投资决策，拖延不决或在购买之前等待、观望。所以能对群体的过度反应和反应不足做出正确的判断，就能够获取超额的利润。

行为金融学提出的投资策略，主要包括逆向投资策略和顺势投资策略。

逆向投资策略要求投资者衡量一般投资大众的意见，当他们的看法达到极端不合理的状况时，便反其道而行之。其中的基本逻辑是：如果群众持有某种看法，而且每个人都根据那个看法采取行动，市场上就没有新资金可以继续推动股价朝那个方向前进。逆向投资策略其实有很多地方与价值投资法有共同特性。价值投资法也具有逆向投资的一些特色，只是操作时没有那么严格。价值型投资者相中的价格重跌股往往与逆向操作者英雄所见略同。不过价值型投资者找的只是便宜货）））价格低于实际价值的股票）））对市场人气的极端看法并不感兴趣。利用极端意见，把握机会从中获利，是逆向投资法的精髓。

顺势投资策略（又称惯性投资策略、动量投资策略）要求投资者衡量一般投资大众的意见，在市场已经启动，但大众对信息表现出谨慎和迟疑时，及时抢进，顺应市场趋势操作。其内在逻辑是：投资者并不马上作出反应，而是需要一段时间对消息进行消化。在面临需要深思熟虑的局面时，投资者可能会表现得过于谨慎，往往犹豫再三，迟迟不采取行动。投资者的个性、他们所获得的信息量、他们的处世态度以及其所属的投资者类型都将影响时滞的长短。这种现象里面蕴涵着投资机会。

从总体上看，逆向投资策略是一个长期风险小、回报高的交易策略，这是因为由于市场的期望已经很低，股价继续下跌的可能性不大，股价在合理的空间，有上升的潜力；另一方面，长期持有，减少了不必要的交易成本。但在短期内该策略仍不排除具有非常大的风险）））逆向操作者可能经常太早行动，短期的逆向震撼会让投资者痛不欲生。所谓短期逆向震撼是指，当各种迹象显示可以采取逆向投资策略时，由于投资者不可能刚好抓住反转点，所以一旦采取逆向策略后，短期内的股价走势可能和投资者选择的方向相反，而且有时候持续很久，这个时候投资者会承受很大的压力。投资者必须了解，当投资群众的意见趋于一致时，它在短期内推波助澜的力量是极其快速且巨大的。逆向投资者就必须经常承受这种短期震撼，一旦无法承受，很可能又会随众人趋势而行。想成为真正的逆向投资者，就必须有能力承受这种短期震撼的压力。

顺势投资策略是一个短期策略，风险很高，仅适合于有丰富投资经验的投资者。为了减少判断失误带来的损失，该策略必须有严格的风险控制标准。例如，采取止损策略、严格分散化等。

四、行为金融学实践及其借鉴意义

据非正式估计，目前大约有720亿美元的基金已经按照心理学原理进行投资。行为金融学方面的专家也开始到股票市场上一显身手。Fuller和Thaler资产管理公司1993年成立于美国，其发起者是两位行为金融专家Rus2sellJ.Fuller和RichardH.Thaler。该公司旗下拥有两个行为金融基金，在纽约证券交易所的代码分别为UBRLX和UBVLX,其中UBRLX是美国最早的应用行为金融学理论的投资基金。以下是它们的投资理念比较（见表1）。

同样，创立于1994年的美国LSV资产管理公司，主要管理者同样是三位着名的行为金融学教授：JosefLakonishok、AndreiShleifer和RobertVishny。LSV资产管理公司的投资方法以这三位教授的研究成果为基础，致力于找出那些刚刚开始价值回归的股票，该公司旗下拥有一个行为金融基金）））LSVEX。LSVEX基金管理者认为，投资者的行为偏差导致某些股票的价格在过去一段时间内偏离基本价值，基金的投资目标就是寻找和投资于这些证券，以求获得超常的长期回报。荷银（ABNAMRO）资产管理公司是最早在欧洲和亚洲把行为金融学用于基金投资的公司。目前旗下有两个行为金融基金：欧洲的价值比投资基金（ABNAmroValueRatioInvestment,AAVRI）及日本的行为金融基金

（ABNAmroBehavioralFinanceJapan,AABFI）。2001年2月，荷银资产管理公司向香港和新加坡投资者推出了亚洲地区第一个行为金融基金）））荷银行为金融学日本基金。荷银行为金融学日本基金驻香港的基金经理AlexKo称，荷银基金的投资策略主要依靠一个拥有专利权的电脑程式。这个程式对日本股市进行分析，找出因投资者不理智行为造成的价格异常现象。

量化投资与基本面分析方法范文第2篇

关键词：基本建设 设计阶段投资控制计算统计规则

1. 投资控制的必要性及存在问题

基本建设项目的五大控制目标包括：安全、质量、投资、工期和环保，投资是其中一项主要控制指标。基本建设项目的投资控制是指在建设项目建设全过程的各个阶段，包括投资决策阶段、设计阶段、交易阶段以及实施阶段等，把建设工程投资控制在合理的范围和批准的限额以内，随时纠正发生的偏差，以保证项目投资管理目标实现的过程。它是建设项目工程管理工作的重要组成部分，是一项庞大的系统工程，涉及面广、政策性强。而影响项目投资最大的阶段则是决策和设计阶段。据相关研究显示，在初步设计阶段，影响项目投资的可能性为75% ~95%；在施工图设计阶段，影响项目投资的可能性为10%~35%。显然，项目投资控制的重点在于投资决策和设计阶段，而在项目做出投资决策后，控制项目投资的关键就在于设计阶段。在整个基本建设链条中，设计单位发挥着源头性、基础性作用，地位是至关重要的。

从设计单位的角度进行投资控制，主要内涵是指在优化建设方案、设计方案的基础上，在建设程序的各个阶段，采用一定的方法和措施把工程投资控制在合理的范围和核定的投资限额以内的过程。投资控制的水平在影响项目决策和进程的同时也是衡量设计质量的重要指标之一。特别是在基本建设项目设计中，专业分工细致、接口繁杂，每个专业都对项目投资有所影响。因此，能否协调各专业做好整个项目的投资控制，也是衡量设计水平、检验设计质量的一项重要标准，而投资控制是与每一个专业设计工作密切相关的。

近年来在大规模基本建设过程中，我国已经在投资控制方面积累了一定的经验，包括管理方法、设计流程、专业接口以及针对影响投资关键问题的处理措施和方法等，但也存在一些薄弱环节：如设计理念方面，存在重工程、轻经济，重设计、轻勘察的认识；设计方案、标准和措施等的不稳定、不合理造成投资不合理；工程数量计算统计不实、不准导致概算编制的偏差；概算编制与设计标准、设计方案不匹配；变更设计的范围、类别、工程内容与相关规定不符；生产流程的管理方面存在效率不高、沟通不畅等问题。

分析原因，在客观方面主要有勘察设计周期不合理导致勘察设计深度不够、“三边工程”等，但下面主要从主观方面按照技术和管理两个方面进行分析：

由于上述原因严重制约投资控制质量和效果，导致设计过程中，往往是概算编制基本完成，总投资汇总出初稿之后才发现投资过高或超过上一阶段的限额要求，而此时各专业设计已经成型，为了控制投资只能被动的修改设计和概算。

这些问题的存在严重影响了各阶段投资控制质量和各专业生产效率。为切实提高我院投资控制的质量和生产效率，将投资控制落实到每一个生产环节，进一步提升整体设计水平，提升设计管理水平，最大限度地提高建设投资效益。

2. 国内外的投资控制情况

首先需要明确的是：建设项目的投资管理与投资体制、项目管理模式密切相关，投资管理属于被动依赖关系。国际上的项目管理模式，一是形式多样，如BOT、BT、EPC等多种模式，二是发展比较快，这与国际经济形势发展有很大关系，其发展比国内、尤其国内基本建设管理模式快。在国外各种项目管理模式下，负责投资控制的通常是项目管理咨询公司（PM）和工料测量师行（QS）。由于国情、路情的不同，政策层面、操作层面的方式有很大不同。这种前提决定了不能照搬照抄国际上的投资管理方式，但对其取得的先进经验我们可以有选择地学习和参照。存在的问题是对国际先进造价管理行业或企业我们以往基本没有接触，知之甚少。

国内基础建设领域，目前进行项目投资控制的手段主要有：决策、设计阶段的方案竞选、设计招标、标准设计、限额设计、价值工程等，施工阶段的工程招投标、控制设计变更、投资的目标控制等。但针对设计部门特点的，特别是基本建设领域，适应于大型基本咨询企业应用的投资控制的研究和方法还未见有相关的系统的研究成果，很多投资控制手段还停留在理论阶段。特别是缺乏针对基本项目涉及专业众多、接口复杂等特点的，可实施、可操作的投资控制技术、管理成果。

但是，随着近年来大规模基本建设的开展，在建设管理过程中，我们还是积累了大量的经验。

3. 投资控制研究目标

通过技术措施、管理措施两个方面的综合研究，建立涉及各个专业的综合投资控制体系。将投资控制的理念渗入、落实到各专业具体设计工作中去，改变目前在投资汇总后进行被动控制调整的现状，而是由个专业从设计源头即开展投资控制，提高投资控制工作的质量，提高工作效率。

4. 投资控制研究方法

投资控制研究从技术措施、管理措施两方面入手。

在技术措施研究方面主要采用案例分析的方法，通过对几个典型项目各个阶段设计资料从影响投资的技术因素、管理因素等方面进行系统的研究分析，并辅以专家分析等方法，深入研究和剖析各个阶段、各专业投资控制的关键因素以及我院目前投资控制工作中存在问题，提出相应的控制措施。对技术措施的研究拟针对各专业的设计中影响投资的关键因素，从投资控制角度分专业提出具体的控制措施，从设计源头主动进行投资控制。研究要立足于不同勘测设计阶段的不同要求，体现出各阶段的工作特点。

在管理措施研究方面主要采用对既有流程的使用现状进行调查分析，可针对典型项目深入梳理，查找出存在的问题，并结合部分技术方面的研究成果，征询、协调、统一各专业的意见和要求，对投资控制流程进行优化和改进。

5. 投资控制研究需要关注的主要内容

投资控制研究的主要内容应包含决策阶段的预可和可研、设计阶段的初步设计和施工图设计以及实施阶段的变更设计和清理概算等建设项目全过程。

5.1 影响投资控制的主要因素和存在问题

本项研究的主要方法是采用案例分析的方法，选取不同建设标准的典型项目，通过查找分析其各阶段设计过程中在投资控制方面的成功经验以及存在的问题，并辅以专家分析的方法，研究分析目前投资控制存在的主要问题。

对典型项目的研究以该项目的预可研、可研、初步设计、施工图等各阶段的估算、概算、预算为基础，具体研究步骤为：

（1） 对典型项目各阶段的投资组成进行分析，查找整理出所占投资比重大的工程项目。

（2） 梳理各阶段与投资控制有关联的工作内容，调查、分析典型项目中相关工作的实际情况。

（3） 对投资比重大的工程项目进一步分析其影响因素，可结合不同阶段间的变化情况有针对性的分析影响这些工程项目的因素，在此分析过程还要考虑不同阶段的设计特点，对于上一阶段能够确定的因素，在下一阶段可不再列为影响因素。

（4） 根据影响因素对项目投资影响程度的大小，确定影响投资控制的主要因素。

（5） 结合典型项目的实际设计、实施过程，分析在这些项目中主要影响因素的控制情况，有哪些成功的经验和存在的问题。

（6） 通过对经验的总结和问题的分析，组织相关专业专家进行研究，确定针对各主要影响因素的控制措施，对存在问题提出解决方案。

在研究过程中不仅限于各阶段概算成果的研究和分析，更要侧重于各典型项目投资控制过程中存在的问题，即在各阶段设计完成初稿至文件出院之间的调整过程。此外还要重点区分不同阶段的主要控制因素和重点工作：在预可研、可研阶段工作的重点在于线路方案、技术标准、项目规模的确定；而在初步设计阶段的工作重点则是在上阶段批复的基础上进行深化设计，限制条件的增加也对投资控制提出了不同的需求；到了项目实施阶段，对变更设计的控制变成了影响总体投资较大的因素。

5.2 各专业投资控制的主要内容

分专业研究分析预可、可研、初步设计、施工图设计、变更设计、清理概算等各阶段影响投资控制的主要内容和因素，提出在设计阶段如何有效提高和保证选择技术标准、设计方案和工程措施的技术经济合理性的方法。主要研究步骤为：

（1） 各专业对典型项目各阶段的本专业投资及各阶段间的投资变化进行分析，查找出每个设计阶段影响本专业投资的主要因素和与投资控制相关的主要工作，并按照专业内部因素、上序专业影响进行分类。

（2） 对于专业内部因素，各专业要结合每个阶段的工作特点，提出每个阶段主要因素的控制措施，控制措施要具体、可操作、可检验。

（3） 对于上序专业影响因素，由牵头专业组织协调，研究确定联合控制措施。

5.3 分专业不同阶段工程数量计算统计规则

主要研究方法可以基本现行的不同研究和设计阶段深度要求和概算（估算）编制办法、定额的要求为依据，以各专业工程为研究对象，围绕工程项目的基本单元，尊重勘测设计习惯，来系统梳理工程数量计算原则、方法和深度要求。本部分的研究可借鉴目标管理的工作方式，从设计各阶段的成果要求入手，逆向梳理出对应的工程数量统计的深度和统计规则，从提高工作效率的角度，既满足各方面需求，又减少本阶段不必要的数量统计工作。

各专业的研究过程中需要根据预可研，可研、初步设计阶段设计深度的不同，配合概预算深度、定额使用的不同要求，整理出各专业分阶段的数量计算、统计规则，特别要理清数量计算的依据和过程。在梳理过程中要特别关注那些占投资比重较大的工程，和在已完成项目中工程数量统计出现过的问题。

主要工作步骤为： 1.各专业根据预可研、可研、初步设计各阶段的设计深度及成果文件要求，从编制概（估算）的角度梳理数量及设计要求。2.对已完成的典型项目进行调研，收集在生产中容易出现的工程数量统计的问题。3.对既有的各专业数量统计原则进行梳理，按照设计阶段的不同要求提出分阶段的统计规则。4.对各专业梳理的各阶段数量统计原则进行整合，就其中接口部分进一步明确责任和分工。

6. 结束语

量化投资与基本面分析方法范文第3篇

投资分析的方法有很多种：技术面分析、基本面分析、Top Down分析、Bottom Up分析等，交易策略的选择分析的最终目的，就是要知道未来的“趋势”，是上涨趋势或下跌趋势，才能做出正确的投资策略和资金配置。基本分析中的GDP、CPI、利率、制造业采购经理人指数等等景气信号，都是属于落后指标，在实际投资上都不是用来判断多空转折点，运用基本分析资料来判断市场多空，有几个问题难以克服：一是政府机构或投资银行，对于公布经济数据及研究报告内容，常常一修再修，过于信任信息，引用错误信息，用于判断市场，难免会得到错误的结论。二是虽然由正确的数据推出合理的结论，但是市场已经反映过度了。三是期价基本面与国际经济趋势不同，期价无法反映其基本面。不管是基本分析，或是技术分析，没有哪一种工具是百分百可以完全适用的，所以许多研究的重点在于找出特定环境下适用的指标，以提高交易胜率。而这些因素更不可能永恒不变。因此，给投资人一条鱼，不如给他钓竿，更不如教他怎么自己造钓竿。

二、基本分析与技术分析

现资理论主要区分为基本分析与技术分析两大领域，近年来研究偏向于技术分析居多，但事实上两者各有其优劣，但在不同时机各有其适合发挥的空间，如同投资大师索罗斯把景气与股价比喻为老人与狗，虽然终究价格与景气最终会抵达相同的地方，但也代表是常会有被高估和被低估的现象。总之基本分析是我们用来衡量投资期价内含价值的方法，而技术分析却常是我们用来决定买卖时机的方法。因此，两者各有其研究价值。

（1）基本分析：是指投资分析人员根据经济学、金融学、财务管理学及投资学的基本原理，对决定投资价值及价格的基本要素如宏观经济指标、经济政策走势、行业发展状况、产品市场状况、公司销售和财务状况，评估投资价值，判断合理价位，从而提出相应的投资建议的一种分析方法。基本分析的理论基础建立在以下一个前提条件之下，即任何金融资产的“真实”（或“内在”）价值等于这项资产所有者的所有预期收益流量的现值。基本分析的架构可分为三部分，包括宏观经济分析，产业分析及公司分析，总体经济分析又可以从经济增长率、物价指数、利率、汇率、货币供给额来做研究。

（2）技术分析。技术分析是通过图表型态解析（Chart analysis），或计量化技术指标（Technical index）的买卖信号，分析过去及现在价格变化的走势，以推演未来价格的变动趋势（Trend），但不予深入探讨其变动的理由。图表型态解析的技术分析，是运用股价变化走势所构成的各种图形，以推测未来价格的变动趋势。例如，道氏理论、波浪理论及由趋势线所画出的支撑线、阻力线、W底、M头等价格型态，皆属于此种技术指标。技术分析是以统计学为工具，发展出一些可以帮助投资人，以较客观及科学化的市场信息，通过明确的数值及机械化的买卖信号来研判买卖时机，寻找能预测出期市买卖点及超买超卖现象的指标。因此，技术分析的目的，在决定买卖时机。技术分析在以交易资料侦测市场供需变化，掌握套利机会并借此获取超额报酬。技术分析的基本假设如下：一是价格由供需关系决定，以形成趋势型态变动。二是历史将会一再地重演，投资人可利用过去价格的变动资料或趋势，预测未来价格的变动趋势。也就是贪婪与恐惧（或害怕）是影响投资人的主要情绪。实务上，技术分析的方法很多，主要可分为图表型态及计量化指标分析。

三、研究设计与结论分析

本研究运用移动平均线和VIX指数结合的方法，对我国期货市场上的农产品、能源化工和金属三大类期货品种的综合表现进行分析。研究区间为金融危机之后的2008年11月至2014年7月。

（1）VIX指数：VIX（Volatility Index），又称之为波动率指数，此指数的编列起源来自于1987年美国股市发生大崩盘后，美国政府为了稳定股市且保护投资人，纽约证交所因而衍生出断路器的规则，也就是说当美股市场波动过于剧烈，此刻将采用人为方式停止任何的交易活动，以此降低市场波动率，VIX指数编列的方式主要以S&P500指数选择权权利金价格反推所得的隐含波动率，并利用插补法的方式将买卖权以及近远月份等波动率编制而成，由于隐含波动率主要反映市场投资人对于未来指数波动的预期，这也意味着当VIX指数越高时，表示投资人预期未来指数波动将加剧。反之，当VIX指数走低，这也表示投资人预期未来指数波动将趋缓，指数也将陷入狭幅盘势格局，VIX也因而不仅代表着市场多数人对于未来指数波动的看法，更可清楚透露市场预期心理的变化情形。因此，又称之为投资人恐慌指标。

量化投资与基本面分析方法范文第4篇

【关键词】教育信息化；投资效益评价；加权灰色关联分析；数据包络分析

【中图分类号】G40-054 【文献标识码】A 【论文编号】1009―8097（2009）05―0076―04

一 引言

近年来，众多学者致力于研究教育信息化投资效益问题，在研究框架[1]、分析模式[2]、评价模型[3,4]等方面进行了许多有益的探索。其中，焦宝聪、唐闻捷等人提出的基于DEA的相对有效性评价方法[3,4]，是国内较早的进行教育信息化绩效评价的定量分析模型。该模型实现了对评价对象的客观排序，却无法反映各评价指标之间的关联性，而且纯粹的DEA模型对评价指标的数量有限制，在评价指标较多时，无法很好区分评价对象间的相对优劣，不利于评价对象间的比较[5]。受限于DEA对指标数的限制，这些研究也未涉及较为完整的教育信息化评价指标体系。因此，这种方法还有待进一步完善。

为了克服DEA模型对指标数的限制，并反映不同指标之间的关联性，本文采用加权灰色关联分析方法来评价教育信息化投资效益。同时，为克服加权灰色关联分析在权重确定时的主观性，本文采用DEA模型来确定权重向量，通过“非均一”赋权，计算出各评价单元的最优关联度，实现客观的优先排序评价。为提高所提出的分析模型的实用性，文章深入分析了高校教育信息化投入与产出结构，使模型建立在较为完整的投资效益评价指标体系之上。最后，通过示例分析说明模型的应用过程。

二 基于DEA的加权灰色关联分析评价模型

基于DEA的加权灰色关联分析方法[6]是在灰色关联分析方法[7]基础上提出的一种改进方法，通过DEA模型的复合，克服了加权灰色关联分析中权重确定的主观性以及“均一化”加权无法体现评价的“最优性”与“公正性”的问题。基于DEA的加权灰色关联分析的一般步骤如下：

（1） 确定反映系统行为特征的参考数列和影响系统行为的比较数列。设有m个比较数列Xi（i=1,2,…,m），1个参考数列X0，每个数列有n个观测点，构建如下的评价矩阵X：

（2） 对参考数列和比较数列进行无量纲化处理：

（3） 求各比较数列与参考数列在各个时刻（即各观测点）的点关联系数ξi(k)。

其中λ为分辨系数，一般在0～1之间选取，通常取0.5。ξi (k)是比较数列Xi与参考数列X0在第k个观测点的相对差值，其大小描述了Xi对X0的影响程度，称为Xi与X0在k处的点关联系数。

（4） 求比较数列Xi对参考数列X0的最优加权关联度ri：

设ω i (ω i≥0，і=1,2,…,n； )为反映不同的观测点在总体观测中重要程度的权重，则Xj对X0的加权关联度ri为：

为了科学地确定权重，克服权重确定的主观性，根据DEA方法的原理，以各观测点的权重ωr(r=1,2,…,n)为决策变量，对每一个比较数列Xj（j=1，2，…，n）均构造如下线性规划模型，通过“非均一”赋权，求得每一个比较数列Xj对参考数列X0的最优加权关联度ri。

（5） 排序评价。将各比较数列Xj对参考数列X0的最优加权关联度按大小顺序排列起来，组成一个关联序，它反映各比较数列对于参考数列来说的“优劣”关系，例如，若ri＞rj，则称Xi对于参考数列X0优于Xj，记为Xi＞Xj。通过该关联序，实现对各比较数列的优先序评价。

三 教育信息化投资效益评价方案设计

教育信息化投资效益评价属于多投入多产出的问题，涉及的观测指标众多。不同类型的对象，其投资模式和效益评价的侧重点都不同。评价应在同类对象的比较中进行，并应有比较完整的评价指标体系。为此，首先应制定一整套科学合理、易于操作的投资与效益评测指标体系，然后，按科学的方法进行数据的收集与整理，最后，应用基于DEA的加权灰色关联分析模型进行评价。

1 评价指标体系设计

高校教育信息化的投入包括许多项目，涉及到高校教育工作的众多方面。根据目前各高校教育信息化建设及运行情况，我们将投资分为基础设施建设投资、教学信息化建设投资和管理信息化建设投资三大部分，每一部分包含若干子项目。同样，根据教育信息化对高校各方面工作的影响，我们将效益分为教学效益、教育管理效益、科研效益和人才培养效益四个部分。这些效益大多是非经济效益，是非物质成果，只能通过这些效益的影响因素来衡量。通过对高校教育信息化建设及运行过程中各项投入及效益影响因素的深入分析，我们制定如图1和图2所示的测算指标体系。

2 模型应用流程

首先，构造评价矩阵。高校教育信息化投资效益评价方式主要有两种，一是同类学校之间的对比，二是同一学校不同投入模式、不同年度的对比。在使用加权灰色关联分析方法进行评价时，前者以各个学校的投资效益指标观测值构成加权灰色关联分析的比较数列Xi，后者以同一学校不同投入模式或不同年度的投资效益指标观测值构成比较数列Xi，每个评价指标对应于加权灰色关联分析模型中的一个观测点。

评价矩阵的参考数列X0根据灰色关联分析方法的原理构造：投资测算指标选择各列最小值、效益测算指标选择各列最大值，其逻辑含义为以最小的投资取得最大的效益。依据上述思想，按评价方式的不同，根据上述投资效益测算指标体系采集数据，建立评价矩阵X。

然后，根据基于DEA的加权灰色关联分析模型进行数据处理。首先求各评价单元的点关联系数矩阵。然后按公式2-4所构造的DEA模型，求各比较数列对参考数列的最优加权关联度，并对计算结果进行排序，根据关联序得出各评价单元的优劣关系，得到高校教育信息化投资效益的排序评价。最后对排序结果进行分析，提出排名较差的评价对象投资效益改进的指导意见，并反馈结果。

教育信息化投资效益评价流程如图3所示。

四 应用示例

为说明本模型方法的应用，假定要评价4所本科院校教育信息化的投资效益，按前述指标体系收集受评院校近三年的指标观测数据（为简化说明，此处从各一级指标中选取若干二级指标进行分析，Cij和Pij与第三节中指标相对应），各投入指标值以万元单位，效益指标中某些无法测量的，采用评价打分法，按相关评价标准打分获取，最终得如表1所示的观测数据。X1、X2、X3、X4代表四所学校，每一行为一所学校的评价指标值向量。X0代表在各评价指标都取得最优值的情况下虚拟的参考学校。

以4所学校的指标值向量为比较数列，以虚拟的参考学校X0的指标值向量为参考数列。将上表数据导入EXCEL中，按基于DEA的加权灰色关联分析方法的步骤求解。

首先按式2-1和式2-2，计算受评学校各指标的点关联度系数，得点关联系数矩阵（见表2）。

然后，按式2-4构造的DEA模型，利用EXCEL规划求解功能计算各学校的最优关联度，得到4所学校的最优关联度依次为1，0.9969，0.9979，0.9983。

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文

按加权关联分析方法的评价准则，对各评价单元进行关联度排序，根据关联序，得4所学校的排序结果为X1>X4>X3>X2，说明学校X1的教育信息化投资效益最好，其次为X4、X3、X2。

根据上述排序评价结果，对各学校投资效益进行分析。首先，对比X1与X2的情况，X1评价最好而X2评价最差，两所学校规模虽有一定差别，但从两所学校的投入与产出的对比来看，X2的多媒体教室、应用教学软件和办公自动化系统投资相对较少，学生上机时数、多媒体课件和网络教学资源数及教师科研论文数相对较低，所以X2要提高投资效益，应适度增加多媒体教室、应用教学软件和办公自动化系统的投资，同时努力提高学生上机时数、多媒体课件及网络教学资源数和教师科研水平。同理，对于X3，应适度增加基础设施建设投资以及应用教学软件投资，努力提高办公自动化水平和教师科研水平；对于X4，各方面投资效益比例与X1基本相似，投入与产出比例基本协调，可考虑适度扩大学生规模，进一步提高效益。

通过上述示例，我们可以看出本方法无指标数限制，能够处理指标间的关联性，应用过程合理简便，有助于较好地评价高校教育信息化的投资效益。

五 小结

高校教育信息化投资效益评价对于提高高校教育信息化投资管理水平有重要作用。为了提高评价的客观性和准确性，必须努力寻求科学有效的评价模型。本文采用基于DEA的加权灰色关联分析方法进行教育信息化投资效益评价，为此还设计了一套在较为完整的评价指标体系，该方法综合了DEA和加权灰色关联分析两种方法的优势，既克服了权重确定时的主观性，实现了客观的优先排序评价，又通过“非均一”赋权达到了优先序评价的最优化，保证了分析结果的公正性，弥补了以前提出的教育信息化绩效评价方法的不足，为高校教育信息化投资效益评价的定量分析提供了一种新的思路。

参考文献

[1] 郭莉,许逵.教育信息化成本效益研究框架与领域[J].中国电化教育,2006,(6):18-22.

[2] 郭莉,祝智庭.教育信息化的成本效益分析[J].电化教育研究,2005,(6):15-18.

[3] 焦宝聪,赵意焕,董黎明.基于数据包络分析的教育信息化绩效评价模型[J].电化教育研究,2007,(4):38-41.

[4] 唐闻捷,熊晶晶,王波.高校教育信息化建设投入产出相对 有效性分析[J].电化教育研究,2007,(7):76 -78.

[5] 聂伟,邵春福,杨励雅,等.基于DEA和灰色关联分析的区域 公路网综合评价方法[J].交通运输系统工程与信息, 2007,7(8):96-100.

[6] 杨印生,谢鹏扬,李洪伟.基于DEA的加权灰色关联分析方法[J].吉林大学学报(工学版), 2003, 33(1):98-101.

[7] DengJL.Control problems of grays ystems[J].Systems&Control Letters,1982,1(5):288-294.

量化投资与基本面分析方法范文第5篇

内容摘要：本文提出了股票投资组合的两阶段优化法：第一阶段，从基本分析入手，通过定性与定量分析两方面，选出具有投资价值的行业及个股，再据股票的期望收益率和风险，求出Sharp ratio，并结合分散风险的潜力，确定股票投资组合；第二阶段，建立动态最优投资组合的规划模型，动态确定投资组合中各股票权重。数值试验表明，将两阶段优化法应用于具体实例中，具有较好的实践效果。

关键词：投资组合 Sharp ratio 动态 股票权重 两阶段优化法

研究背景

2008年的金融危机，对华尔街及投资行业都是一个沉重的打击，凸出了构建恰当的投资组合的重要性。

如何构建投资组合是投资组合研究的中心问题。Markowitz和Sharpe的理论和方法尽管被广泛肯定，但其理论仍存在不足。Markowitz和Sharpe模型是单期离散时间证券组合模型，模型只能在期末进行调整，该方法不足以研究不断变化的市场。Merton研究了连续时间组合证券投资问题，其研究中假设：证券组合包含一个无风险证券和一个或多个风险证券、资产能被任意分割、不存在交易成本，且投资人都希望获得最大收益，但未考虑投资中的风险，而在实际中，投资者不能只顾最大化收益，而不顾所面临的风险，因为不考虑风险的投资是一种冒险的投资行为。荣喜民等人（2005）虽然在分析风险证券运动模式的基础上,提出了兼顾收益和风险的连续时间的组合证券选择模型，通过权衡收益和风险,给出了求解组合证券模型的方法。但是也存在一些缺陷，即最初假设已选定n种较好的股票，并假设其价格服从几何布朗运动。

本文针对目前投资组合优化方法存在的不足，在相关文献的基础上，将投资组合中股票的选择与投资组合中各支股票权重的确定结合起来，提出了股票投资组合的两阶段优化法：第一阶段，通过对个股进行基本面分析，从Sharp ratio的角度，采用定性分析与定量分析相结合的方法，从宏观经济考虑最具投资价值的行业及股票；第二阶段，在资金一定的条件下,从股票投资者的角度, 建立最优股票投资组合的规划模型，以动态确定投资组合中各支股票所占权重。数值实验表明，具有较好的实践效果。模型的研究结果可作为投资者在不断变化的证券市场进行操作的重要的理论与决策依据。

股票投资组合中的两阶段优化法

（一）第一阶段：对个股进行基本面分析

投资者进行分散投资，分散投资的品种之间的相关性越弱越好，否则达不到风险分散的目的。因为同一类品种或相关性强的股票往往会同涨同跌。投资组合中的“弱相关性”问题有几个原则：一是跨行业品种分散。投资者可以选择不同的行业，如同时购进电子类、金融类、建筑类、商业类等品种的股票。二是跨地区品种分散。选择来自不同地区的上市公司的股票，增加投资品种对地区性发展政策的抗风险能力。三是跨时间选择投资时机。股市之中存在许多机会和风险，如果将资金一股脑地同时投进去，可能会在更大的机会来临时，无资可投，丧失良机。投资者可以分期投资，伺机而动。

1.定性分析。不同行业经营状况对主要宏观经济变量的变动有不同的反映。根据美国股市的实证分析，行业配置对投资收益的总贡献率约为20%，由此可见行业配置的重要性。使用自上而下的分析方法，通过宏观经济数据（政策）的分析，确定主要宏观数据变量的变动对不同行业的影响，从而确定出具有投资价值的行业，进而选出各个行业中的优良股票，这样的股票满足基本分析原则的要求。能够达到分散风险的目的。

2.定量分析。本文采取一种较简单、也较常用的经验估计法，即根据过去的实际数据对未来进行估计。根据历史数据，预测股票的收益率和风险大小。先根据Sharpe单指标模型，即遵循股票资产的报酬与波动性比率较高原则，来进行第一次股票筛选，资产的报酬与波动性比率计算公式为（ri-rf）/σi；再根据风险分散化原则进行第二次挑选，最终挑选出股票作为投资组合。

总风险、系统风险和非系统风险三者之间满足如下关系：σi2=βi2σM2+σei2。

由方差计量的总风险可以分成两类：一是系统（不可分散）风险：βi2σM2；二是非系统（可分散）风险σei2，即可以通过组合证券消除的方差部分。

可以清楚地看到，股票的总风险中，非系统风险所占比重越大，它就越有潜力通过投资组合来降低其总风险。

（二）第二阶段：动态确定投资组合中各支股票的权重

在证券市场中，证券的价格、风险、收益率及证券之间的关系是在不断变化的。所以用固定的指标去反映收益和风险的变化是存在问题的，因为当条件发生变化时，证券的组合没能及时调整，以反映市场的变化，这就使组合投资研究失去了实际操作价值。所以本文根据股票的这种不确定性，建立动态的模型，来确定在不同时期投资组合中各支股票的权重。

基于相关模型，得到最优权重的表达式：

由此可见，最优权重向量与每一时刻t 的收益率及收益率的方差和协方差有关。且上式可推出两个极端情况：

（1）若投资者是极端风险厌恶的，即 λ1=1，则最优权重向量为：

（2）若投资者是冒险的，即λ1=0，则最优权重向量为：

实例及结果分析

（一）定性分析

从当前国内外形势看，经济复苏的迹象日益明显，事实上经济复苏的实际进程是左右未来行情的关键因素。而经济复苏最有说服力的佐证就是公司业绩。2010年最具潜力最具投资价值六大行业分别为以下行业：

医药：成长性最好的行业；钢铁：拐点最明确的行业；机械设备：机构最青睐的行业；农林牧渔：业绩双增最大的行业；电力：同比增长最快的行业；有色金属：环比增长最快的行业。

（二）定量分析

下文从中投证券中搜集了这六个行业中几只较好的股票在2009年8月11日至2010年5月7日的收盘价（共180天）。用公式 ：收益率=（今天的收盘价-前一天的收盘价）/前一天的收盘价，计算出各只股票的日收益率。然后将这40只股票的收益序列乘以30 得到月收益率。对40只股票的月收益率各取平均，可以得到月预期收益率（ri），并且根据40只股票的月收益率序列可以求得各支股票的方差（σi2）和标准差（σi）。以ri衡量一支股票的收益，以σi衡量一只股票的风险。表2列出了40只股票的收益、风险相关数据。其中本文无风险收益率（rf）统一规定为3%。

第一次股票资产挑选：遵循股票资产的报酬与波动性比率较高原则，即所谓的Sharp ratio较高原则。对这40只股票挑选出Sharp ratio由高到低排名前20名（排名及入选股票详见本文表1）的20只股票。

第二次股票资产的挑选：先计算各支股票的βi值；再根据市场风险σM2计算股票的系统风险βi2σM2，并由股票的总风险σi2与股票的系统风险βi2σM2的差值可得股票的非系统风险σei；最后计算股票的风险分散程度σei2/σi2，挑选风险分散程度由高到低排名前六位（排名及入选股票见表2）的6只股票作为投资组合。

计算某项资产的贝塔系数的公式为：。

选取的六只股票为：科华生物、亚盛集团、美的电器、金山股份、焦作万方、东方钽业。选取时间为选取时间从2009年9月1日至2010年5月7日，共165个交易日，并用SAS 、MATLAB处理这些数据。为说明问题，分别取2010年1月7日，1月15日、1月25日、2月2日和2月22日为研究时间。用公式

作为证券i（i =1,2,…,6）的收益率的样本均值和证券i和j（j =1,2,…,6）的样本协方差。其中rij，i =1,2,…,6，j =1,2,…,6是每个证券收益率的样本。由此用SAS软件可以得到5个时间的协方差阵Ωi，并由此得到期望收益率分别为：

2010年1月7日 u1=（0.0040，0.0011，0.0050，0.0010，0.0053，0.0021）T

2010年1月15日u2=（0.0035，0.0015，0.0050，0.0010，0.0054，0.0022）T

2010年1月25日u3=（0.0029，0.0018，0.0050，0.0010，0.0056，0.0022）T

2010年2月2日 u4=（0.0024，0.0022，0.0049，0.0011，0.0057，0.0024）T

2010年2月22日u5=（0.0015，0.0027，0.0048，0.0012，0.0058，0.0025）T

设λ1=1/2，即表示投资人认为收益和风险同等重要，如果投资者在以上6种风险资产和1种无风险资产上投资，则在以上5个时间的最优权重或最优投资比例分别为：

w1*=（0.5267，-0.2491，1.3249，

-1.1020，0.5474，-0.0478）T

w2*=（0.3130，0.1963，1.4178，

-1.5107，0.6433，-0.0597）T

w3*=（0.0731，0.6963，1.5074，

-1.9525，0.7507，-0.0750）T

w4*=（-0.2070，1.0221，1.5301，

-2.1635，0.8694，-0.0510）T

w5*=（-0.6517，1.8676，1.6495，

-2.8597，1.0554，-0.0611）T

用公式：投资组合收益率=期望收益率向量*投资组合中各支股票所占权重，计算出这五天投资组合的收益率分别为：0.0102，0.0103，0.0111，0.0117，0.0145。

本文假设不是先对个股进行基本面分析，没有先选择股票而是就是由这40只股票构成投资组合，则这五天投资组合的收益率依次为：-0.0102 0.0018 0.0036 -0.0090 -0.0032，在上述这种情况下，投资组合的收益率小于先对个股进行基本面分析，先选择股票时的收益率。所以我们先对个股进行基本面的分析是有意义的。

对比如果不考虑证券的价格、风险、收益率的不断变化，即不是动态确定投资组合权重的结果。

由于不考虑证券的价格、风险、收益率的不断变化，也就不会动态确定投资组合的权重，假定投资组合的权重为最初2010年1月7日确定的权重，则这五天投资组合的收益率为：0.0102，0.0098，

0.0096，0.0090，0.0082 ，此种情况下，投资组合的收益率小于动态确定投资组合权重的收益率。所以我们的连续时间最优化模型是有效的。

通过实例验证和比较分析，说明两阶段优化法是有效的，两个阶段的优化缺一不可。

参考文献：

1.荣喜民，崔红岩.组合证券选择的最优化模型研究[J].系统工程学报，2005

2.韩潇，叶晓霞.股票投资组合优化研究[J].时代金融，2007

3.杨佩礼，施正马.浅论股票投资决策[J].财务与会计，1998

4.Markowitz H M. Portfolio selection[J] . Journal of Finance，1952

5.Sharpe W F. Portfolio Theory and Capital Markets[M]. USA:McGraw_Hill, Inc, 1970

6.Merton A J ,Pliska S R. Optimal portfolio management with fixed transaction costs[J] .Mathematical Finance，1995,5(4)

7.钱峰，石丽娟.数据删除模型对于广义岭估计的影响[J].南通大学学报：自然科学版，2008

8.王娟，陆志峰.一般Ⅱ型逐步删失下对数正态模型的近似极大似然估计[J].南通大学学报：自然科学版，2008

9.赵为华，李泽安.AR(1)误差的非线性随机效应模型的参数估计[J].南通大学学报：自然科学版，2008

10.郭晓君，李大治.一类具有预防接种且带隔离项的SIQR传染病模型的稳定性分析[J].南通大学学报：自然科学版，2008

11.张晖.一类具有种群变动的传染病模型的稳定性[J].南通大学学报：自然科学版，2009

12.郭畅.基于Copula函数的证券基金与股价指数的尾部相关性分析[J].南通大学学报：自然科学版，2009

13.金晶亮.非线性测量误差模型的Bayes估计[J].南通大学学报：自然科学版，2009

14.李泽安，葛建芳，章雅娟.Beta回归模型在数据挖掘预测中的应用[J].南通大学学报：自然科学版，2009

15.郭海，郭毓.一类线性时变系统模型参考自适应迭代学习辨识[J].南通大学学报：自然科学版，2009

16.彭小智，凌能祥.相依样本下回归函数分割估计的渐近正态性[J].南通大学学报：自然科学版，2009

17.Ross S M .Stochastic Processes[M].John Wiley &Sons，1983

18.欧阳光中，李敬湖.证券组合与投资分析[M].高等教育出版社，1997

19.杨智元.证券价格按几何布朗运动变化的微观解释[J].数学实践与认识，2003

作者简介：

孙建平（1976-），女，江苏海安人，南通大学理学院讲师，硕士研究生，研究方向：最优化。

黄梦妮（1988-），女，江苏新沂人，上海师范大学商学院，硕士在读。

吕效国（1963-），男，江苏南通人，南通大学理学院副教授，硕士研究生导师，研究方向：概率统计。